<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Keep_Trying_Go的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Keep_Trying_Go</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Keep_Trying_Go]]></copyright><item><title><![CDATA[PET人群计数论文方法与实验详解]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/170289534</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/170289534</guid><author>Keep_Trying_Go</author><pubDate>Sun, 08 Nov 2026 13:55:34 +0800</pubDate><description><![CDATA[PET 提出将人群计数重新形式化为可分解的点查询过程，核心创新是点查询四叉树（稀疏点按需分裂为密集点，自适应处理不同密度场景）和渐进矩形窗口注意力（利用透视先验在局部矩形窗口内计算注意力，实现线性复杂度）。PET 首次证明同一个计数模型可以跨不同学习范式解决多个人群相关任务（全监督计数与定位、部分标注学习、点标注细化），在四个基准数据集上全面达到 SOTA，且参数量最少、推理速度快。]]></description><category></category></item><item><title><![CDATA[SAL论文方法与实验详解]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/170289502</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/170289502</guid><author>Keep_Trying_Go</author><pubDate>Sun, 08 Nov 2026 13:51:46 +0800</pubDate><description><![CDATA[本文提出基于尺度感知的主动学习方法SAL，针对半监督人群计数中忽略尺度变化导致样本选择低效的问题。通过引入两个新指标——尺度查询熵（SQE）和尺度查询散度（SQD），从点级细粒度衡量图像在不同尺度下的预测不确定性与不一致性。实验表明，该方法能有效筛选出对尺度敏感、信息量大的样本，显著提升标注效率与模型性能，在UCF-QNRF、ShanghaiTech等数据集上优于现有方法。]]></description><category></category></item><item><title><![CDATA[P2RLoss论文方法与实验详解]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/170289436</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/170289436</guid><author>Keep_Trying_Go</author><pubDate>Sun, 08 Nov 2026 13:47:26 +0800</pubDate><description><![CDATA[本文提出P2RLoss，解决半监督点检测人群计数中因P2P匹配导致的背景梯度缺失问题。传统方法仅利用前景像素，使背景无置信度，导致模型过激活崩溃。作者通过PSAM揭示此现象，并引入点到区域（P2R）匹配：将每个真实点扩展为局部区域，让邻域像素共享伪点置信度，实现背景信息传播。结合置信度过滤与区域传播机制，有效抑制假阳性，提升定位精度与计数鲁棒性。在ShanghaiTech、UCF-QNRF等数据集上显著优于现有半监督方法，验证了其有效性。]]></description><category></category></item><item><title><![CDATA[Consistent-Point半监督人群计数算法详解]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/169744882</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/169744882</guid><author>Keep_Trying_Go</author><pubDate>Sun, 01 Nov 2026 16:50:11 +0800</pubDate><description><![CDATA[本文首次指出并量化了点定位半监督人群计数中伪点的位置不一致与类别不一致问题（Mean-Teacher baseline 甚至不如只用标注数据），并给出两个极简正交模块——PA 用"被匹配的伪点与其邻近提议点定位相似"的洞察做空间平均，以 1/K 方差收缩稳住位置；IUC 用分类得分做实例级加权，压低决策边界附近模糊伪点的监督强度。两模块零推理开销、只引入一个超参 λ，在 5 数据集 × 3 标注比例的 15 个定位设置上全部 SOTA，并在 CPS 框架上验证泛化性，说明"伪标签一致性"是点定位半监督范式中]]></description><category></category></item><item><title><![CDATA[Uncertainty Semi-Supervised Crowd Counting人群计算算法]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/169653058</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/169653058</guid><author>Keep_Trying_Go</author><pubDate>Sun, 01 Nov 2026 15:48:09 +0800</pubDate><description><![CDATA[本文提出一种有监督的不确定性校准方法（CU），针对半监督人群计数中伪标签可靠性问题。通过设计基于点集匹配的累积空间距离（ASM）作为代理标签，结合时序累积与排序损失，训练不确定性分支以精准捕捉密集区域的高不确定性。在5个数据集上，10%标注下显著优于基线，尤其在NWPU-Crowd上MAE降低39.1%。消融实验验证了各组件有效性，证明该方法有效缓解过自信问题，提升伪标签质量。]]></description><category></category></item><item><title><![CDATA[Crowd-SAM人群检测论文详解]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/168236939</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/168236939</guid><author>Keep_Trying_Go</author><pubDate>Sat, 17 Oct 2026 12:09:03 +0800</pubDate><description><![CDATA[Crowd-SAM 提出一种自提示框架，利用少量标注图像（10-shot）实现密集场景下高效智能标注。通过 DINOv2 生成前景热力图，结合高效 Prompt 采样器（EPS）与部件-整体判别网络（PWD-Net），自动筛选高质量掩码，显著提升召回率与检测精度。在 CrowdHuman 上达 78.4% AP，超越多数全监督方法，且速度优于传统 SAM，为密集人群检测提供低成本、高效率的自动化标注新范式。]]></description><category></category></item><item><title><![CDATA[分割算法FastSAM论文详解]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/167922125</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/167922125</guid><author>Keep_Trying_Go</author><pubDate>Wed, 14 Oct 2026 23:36:55 +0800</pubDate><description><![CDATA[FastSAM提出“先全实例分割、后提示筛选”的两阶段框架，以YOLOv8-seg替代SAM的端到端Transformer，实现68M参数、40ms推理速度（50×加速），且不受提示数量影响。通过原型加权机制高效生成Mask，结合CLIP实现文本提示，虽在小目标分割上略逊于SAM，但显著降低训练成本与部署门槛。该方法验证了专用轻量模型在效率与实用性上的优势。]]></description><category></category></item><item><title><![CDATA[MobileSAMv2分割算法详解]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/167569383</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/167569383</guid><author>Keep_Trying_Go</author><pubDate>Sun, 11 Oct 2026 15:08:00 +0800</pubDate><description><![CDATA[MobileSAMv2 提出两阶段高效分割一切（SegEvery）框架：先用类无关目标检测器生成≤320个框提示，再批量输入SAM解码器。相比原版网格撒点（4096点×3mask），提示数降为1/40，解码耗时从6400ms降至50ms，整体提速超16倍；在零样本目标提议任务中性能持平甚至更优（59.3% vs 59.2%），且无需冗余过滤。该方法兼顾速度与精度，与轻量编码器兼容，实现高效、精准的“分割一切”。]]></description><category></category></item><item><title><![CDATA[MobileSAM 论文方法详解]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/167223567</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/167223567</guid><author>Keep_Trying_Go</author><pubDate>Wed, 07 Oct 2026 18:41:55 +0800</pubDate><description><![CDATA[摘要： 本文提出MobileSAM，通过解耦合知识蒸馏实现轻量化分割模型部署。针对SAM“头重脚轻”的结构，创新性地将训练过程解耦：仅用MSE损失蒸馏Image Encoder的embedding，无需依赖Mask Decoder。该方法使训练成本降低至1%以下，仅需2块GPU、11K数据即可达到0.75 mIoU，压缩比达109×，推理速度提升38×。相比半耦合与全耦合策略，解耦合显著降低优化难度，且可直接复用原始Decoder，实现小模型高精度、低延迟的移动端部署，性能超越FastSAM。]]></description><category></category></item><item><title><![CDATA[Exclusivity-Guided Mask Learning for Semi-Supervised Crowd Instance Segmentation and Counting]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/167130146</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/167130146</guid><author>Keep_Trying_Go</author><pubDate>Mon, 05 Oct 2026 20:48:45 +0800</pubDate><description><![CDATA[本文提出一种半监督人群实例分割与计数的统一框架，以掩膜监督替代稀疏点标注。方法分三阶段递进：Stage 1 用 EDP-SAM（双提示 + NNEC 空间约束）自动生成高质量掩膜伪标签；Stage 2 提出 XMask，在 Mean Teacher 框架下将实例分割转化为嵌入空间的判别学习（高斯平滑 + 自适应局部区域 + 可微中心采样 + Pull-Push 损失），建立实例间的排他性区域；Stage 3 将实例掩膜作为结构化伪标签，通过背景惩罚与前景约束损失优化计数网络的空间一致性。三阶段闭环实现分割与]]></description><category></category></item><item><title><![CDATA[小时候的梦想游戏（俄罗斯方块，贪吃蛇，溪畔村庄等）]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/166601639</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/166601639</guid><author>Keep_Trying_Go</author><pubDate>Thu, 24 Sep 2026 23:13:40 +0800</pubDate><description><![CDATA[本项目收录5个可直接在浏览器运行的网页游戏：俄罗斯方块、贪吃蛇、五子棋、中国象棋及荒野求生（需Vite环境）。各游戏均附详细README.md说明玩法与实现。所有内容由AI辅助生成，仅限学习交流，禁止商用，使用者须自行承担风险。支持导出为HTML、PDF或添加图标截图，欢迎进一步美化。]]></description><category></category></item><item><title><![CDATA[Kaggle CLI Datasets上传文件教程（保姆级）]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/165242840</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/165242840</guid><author>Keep_Trying_Go</author><pubDate>Mon, 14 Sep 2026 23:10:28 +0800</pubDate><description><![CDATA[本文介绍使用Kaggle CLI分批次上传大模型文件至Kaggle Dataset的完整流程。通过本地目录组织、配置代理解决网络问题，利用kaggle datasets init初始化元数据，首次用create上传首批文件，后续通过version命令逐批更新（全量替换），保留原目录结构。支持大文件分卷上传，注意单文件≤20GB、总容量≤100GB限制。可在Notebook中直接挂载使用，配合download、status等命令实现高效管理。适用于HuggingFace模型等复杂结构的批量部署。]]></description><category></category></item><item><title><![CDATA[华为开源框架MindSpore基本使用]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/161749965</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/161749965</guid><author>Keep_Trying_Go</author><pubDate>Sun, 14 Jun 2026 16:00:23 +0800</pubDate><description><![CDATA[本文介绍了华为昇思MindSpore AI计算框架的核心特性与应用实践。MindSpore作为面向&quot;端-边-云&quot;全场景的新一代框架，具备动静统一编程范式、自动并行技术及MindIR中间表达等创新设计，支持CPU/GPU/NPU异构算力。文章对比了PyTorch、TensorFlow等主流框架的差异，并通过MobileNetV2微调实战演示了完整开发流程：包括环境配置、数据加载（标准/自定义数据集）、模型构建（原生接口与兼容PyTorch的mint接口）、损失函数与优化器配置、训练验证（M]]></description><category></category></item><item><title><![CDATA[基于监督对比学习的统一图像生成框架（A Framework For Image Synthesis Using Supervised Contrastive Learning）]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/155607786</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/155607786</guid><author>Keep_Trying_Go</author><pubDate>Sat, 06 Jun 2026 16:06:22 +0800</pubDate><description><![CDATA[本文提出一种改进的文本到图像生成方法，通过引入监督对比学习同时利用跨模态和内模态关联。针对现有方法忽略图像间语义关联、文本信息不足等问题，设计双分支共享架构和动态采样策略，在预训练和GAN阶段加入监督对比损失。实验表明，该方法在CUB和COCO数据集上能生成更符合文本描述且具有同类一致性的图像，有效解决了基线模型存在的语义不一致问题。特别是在多对象场景中，框架能准确生成文本指定的物体属性，显著提升了生成质量。]]></description><category></category></item><item><title><![CDATA[基于多模态的人群统计算法详解Multi-modal Crowd Counting via a Broker Modality]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/156830311</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/156830311</guid><author>Keep_Trying_Go</author><pubDate>Fri, 17 Apr 2026 20:06:11 +0800</pubDate><description><![CDATA[本文提出了一种基于代理模态的跨模态人群计数方法，旨在解决RGB和热成像图像间的模态差异与空间未对齐问题。方法核心是设计轻量级代理模态生成器（BMG），通过两阶段训练策略：先通过知识蒸馏从扩散模型中学习高质量图像融合能力，再通过计数任务微调缓解重影效应。实验表明，该方法有效减轻了重影现象，提高了计数精度。论文和代码已公开，为跨模态人群计数提供了新思路。]]></description><category></category></item><item><title><![CDATA[基于单域泛化的目标统计算法URM详解（Single Domain Generalization for Few-Shot Countingvia Universal Representation ）]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/156870771</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/156870771</guid><author>Keep_Trying_Go</author><pubDate>Wed, 08 Apr 2026 17:02:29 +0800</pubDate><description><![CDATA[本文提出了一种面向单域泛化的少样本计数模型URM，通过融合大规模预训练视觉-语言模型的通用表示来解决现有方法面临的领域偏移问题。URM采用MaskCLIP提取通用视觉表示，利用语言模型生成多样化提示获取通用语言嵌入，并通过双向注意力机制实现统一表示匹配。实验表明，该方法在应对领域偏移时表现出显著鲁棒性，同时保持域内性能。相比传统&quot;提取-匹配&quot;范式，URM通过引入视觉-语言预训练知识，有效克服了原型泛化能力不足的问题，为少样本计数领域的单域泛化问题提供了创新解决方案。]]></description><category></category></item><item><title><![CDATA[StyleGAN-T文生图算法详解（Unlocking the Power of GANs forFast Large-Scale Text-to-Image Synthe）]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/155948705</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/155948705</guid><author>Keep_Trying_Go</author><pubDate>Wed, 01 Apr 2026 14:14:01 +0800</pubDate><description><![CDATA[本文系统研究了基于GAN的文本生成图像技术，重点解析了StyleGAN-T模型的创新设计。该模型通过改进生成器架构（引入残差卷积和二阶样式机制）、优化判别器（采用DINO-ViT特征网络和多头架构）以及平衡文本对齐，显著提升了生成质量和速度。实验表明，StyleGAN-T在FID和CLIP分数上提升约40%，训练效率提高1.5倍，在快速文本生成图像任务中达到SOTA水平。研究还对比了StackGAN、AttnGAN等经典模型的技术特点，为文本生成图像领域提供了全面的技术参考。]]></description><category></category></item><item><title><![CDATA[基于扩散模型（diffusion Model）的人群计数方法（CrowdDiff）]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/157175412</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/157175412</guid><author>Keep_Trying_Go</author><pubDate>Tue, 24 Mar 2026 19:26:56 +0800</pubDate><description><![CDATA[本文提出CrowdDiff，首个基于扩散模型的人群计数方法。通过将密度图生成建模为去噪扩散过程，该方法克服了传统密度图方法的背景噪声积累、密度损失和分布失真问题。与依赖宽高斯核或后处理的现有方法不同，CrowdDiff采用较窄高斯核简化学习，并创新性地融合多个密度图结果提升性能。实验验证了该方法在综合性能和消融研究中的优势，为人群计数领域提供了新的解决方案。]]></description><category></category></item><item><title><![CDATA[基于GAN的文生图算法详解（Text to Image Generation with Semantic-Spatial Aware GAN）]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/155741833</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/155741833</guid><author>Keep_Trying_Go</author><pubDate>Sun, 15 Mar 2026 16:10:10 +0800</pubDate><description><![CDATA[本文系统研究了文本到图像生成模型的关键技术与改进方向。针对现有方法的局限性，包括条件批归一化的空间感知不足、文本编码器固定训练的限制、文本-图像融合机制不够深入等问题，提出了一种端到端的可训练框架。创新性地设计了语义-空间感知卷积网络(SSACN)，包含弱监督掩码预测器、语义-空间条件批归一化和残差块结构，实现文本信息的精准空间注入。采用单阶段生成架构避免了多阶段模型的缺陷，并结合DAMSM损失提升生成质量。实验验证了该方法在图像质量和文本-图像一致性方面的优势。]]></description><category></category></item><item><title><![CDATA[基于stable diffusion图像生成的小小demo应用（pytorch）]]></title><link>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/156860761</link><guid>https://blog.youkuaiyun.com/Keep_Trying_Go/article/details/156860761</guid><author>Keep_Trying_Go</author><pubDate>Mon, 09 Mar 2026 16:04:01 +0800</pubDate><description><![CDATA[本文汇总了Stable Diffusion相关代码资源与参数说明，并整理了多篇文本生成图像（Text-to-Image）领域的核心论文。代码部分包含官方实现和PyTorch复现版本，重点解析了prompt、uncond_prompt、cfg_scale等关键参数的作用。论文部分系统梳理了GAN-based方法（如AttnGAN、MirrorGAN）、扩散模型（Stable Diffusion）、Transformer架构（VQ-GAN、MaskGIT）三大技术路线，涵盖基础模型（StackGAN）、优化方法]]></description><category></category></item></channel></rss>